Probabilistyka Wykład 1w12.pwr.wroc.pl/lmg/wp-content/uploads/KM/Probabilistyka... · 2019. 2....
Transcript of Probabilistyka Wykład 1w12.pwr.wroc.pl/lmg/wp-content/uploads/KM/Probabilistyka... · 2019. 2....
-
4
-
x
1 2 3
-
x
ϵ
𝑜𝑟𝑎𝑧Pr(𝑋 ≤ 𝑥𝑝) ≥ 𝑝 Pr 𝑋 ≥ 𝑥𝑝 ≥ 1 − 𝑝
𝐹 𝑥𝑝 = 𝑝 1
1 xp 6 x
F(x)
p
xp
−∞
𝑥𝑝
𝑓 𝑥 𝑑𝑥 = 𝑝
-
xX1/2
-
𝜑(𝑡) = 𝐸𝑒𝑖𝑡𝑥
𝜑𝑋 (𝑡) =
𝑖=1
𝑛
Pr(𝑋 = 𝑥𝑖) 𝑒𝑖𝑡𝑥𝑖
𝜑𝑋(𝑡) =
−∞
+∞
𝑓(𝑥) 𝑒𝑖𝑡𝑥𝑑𝑥
-
𝜑(0) = 1
𝜑(𝑡) ≤ 1 𝑧 = 𝑎2 + 𝑏2𝑧 = 𝑎 + 𝑖𝑏
𝜑(𝑡) = 𝜑(−𝑡) 𝑧 = 𝑎 + 𝑖𝑏 𝑧 = 𝑎 − 𝑖𝑏
𝜑 𝑡 𝑗𝑒𝑠𝑡 𝑑𝑜𝑑𝑎𝑡𝑛𝑖𝑜 𝑜𝑘𝑟𝑒ś𝑙𝑜𝑛𝑎
𝜑 𝑡 𝑗𝑒𝑠𝑡 𝑗𝑒𝑑𝑛𝑜𝑠𝑡𝑎𝑗𝑛𝑖𝑒 𝑐𝑖ą𝑔ł𝑎
𝜑 𝑡 𝑗𝑒𝑠𝑡 𝑓𝑢𝑛𝑘𝑐𝑗ą 𝑟𝑧𝑒𝑐𝑧𝑦𝑤𝑖𝑠𝑡ą 𝑑𝑙𝑎 𝑟. 𝑠𝑦𝑚𝑒𝑡𝑟𝑦𝑐𝑧𝑛𝑦𝑐ℎ
lim𝑡 →∞𝜑 𝑡 → 0 𝑑𝑙𝑎 𝑟𝑜𝑧𝑘ł𝑎𝑑ó𝑤 𝑐𝑖ą𝑔ł𝑦𝑐ℎ
-
𝜑𝑌(𝑡) = 𝜑𝑎𝑋+𝑏(𝑡) = 𝜑𝑋(𝑎𝑡)𝑒𝑖𝑡𝑏
𝜑𝑍(𝑡) = 𝜑𝑋+𝑌(𝑡) = 𝜑𝑋(𝑡)𝜑𝑌(𝑡)
, s , s
𝜑𝑍(𝑡) = 𝜑𝑋+𝑌(𝑡) = 𝑒𝐸𝑋∙𝑖𝑡− 1 2𝐷
2𝑋∙𝑡2 ∙ 𝑒 𝐸𝑌∙𝑖𝑡− 12𝐷2𝑌∙𝑡2
= 𝑒𝐸𝑋+𝐸𝑌 ∙𝑖𝑡− 1 2(𝐷
2𝑋+𝐷2𝑌)∙𝑡2 , s
𝐸𝑍 = 𝐸𝑋 + 𝐸𝑌 𝐷2𝑍 = 𝐷2𝑋 + 𝐷2𝑌
-
𝐸𝑋𝑘 =𝜑 𝑘 (0)
𝑖𝑘
𝑔𝑑𝑧𝑖𝑒 𝑘 − 𝑟𝑧ą𝑑 𝑝𝑜𝑐ℎ𝑜𝑑𝑛𝑒𝑗
𝜑𝑋 =𝑒𝑖𝑡𝑏 − 𝑒𝑖𝑡𝑎
𝑖𝑡(𝑏 − 𝑎)𝜑𝑋′ =𝑒𝑖𝑡𝑏 − 𝑒𝑖𝑡𝑎
𝑖𝑡(𝑏 − 𝑎)
′
=1
𝑏 − 𝑎
𝑖(𝑏𝑒𝑖𝑡𝑏 − 𝑎𝑒𝑖𝑡𝑎)𝑖𝑡 − (𝑒𝑖𝑡𝑏 − 𝑒𝑖𝑡𝑎)𝑖
𝑖𝑡 2
𝐸𝑋1 =1
𝑏 − 𝑎
(𝑏𝑒𝑖𝑡𝑏−𝑎𝑒𝑖𝑡𝑎)𝑖𝑡 − (𝑒𝑖𝑡𝑏 − 𝑒𝑖𝑡𝑎)
𝑡2
-
≥
∞ e
Pr(𝑋 ≥ 𝜀) ≤𝐸𝑋𝑘
𝜀𝑘
𝐸𝑋 =
0
+∞
𝑥𝑓 𝑥 𝑑𝑥 =
0
𝜀
𝑥𝑓 𝑥 𝑑𝑥 +
𝜀
+∞
𝑥𝑓 𝑥 𝑑𝑥≥
𝜀
+∞
𝑥𝑓 𝑥 𝑑𝑥 ≥ 𝜀
𝜀
+∞
𝑓 𝑥 𝑑𝑥
= Pr(𝑋 ≥ 𝜀)𝐸𝑋 ≥ 𝜀Pr(𝑋 ≥ 𝜀)
𝑥 = 𝜀
-
∞ e
Pr( 𝑋 − 𝐸𝑋 ≥ 𝜀) ≤𝐷2𝑋
𝜀2
x
e e
𝐷2𝑋
𝜀2
-
∞
e
lim𝑛→∞Pr𝑋1 + 𝑋2 +⋯+ 𝑋𝑛
𝑛− 𝐸𝑋 < 𝜀 = 1
-
lim𝑛→∞
𝐷2𝑋1 + 𝐷2𝑋2 +⋯+𝐷
2𝑋𝑛𝑛2
= 0
𝑁(0, 3 𝑛) → 𝐸𝑋 = 0, 𝐷2𝑋𝑛 =3 𝑛
𝐷2𝑋1 + 𝐷2𝑋2 +⋯+ 𝐷
2𝑋𝑛𝑛2
=31 +
32 +⋯+
3𝑛
𝑛2≤𝑛 ∙ 3 𝑛
𝑛2=13 𝑛
-
→ ∞)
𝑌 =𝑋1 + 𝑋2 +⋯+ 𝑋𝑛 − 𝑛𝐸𝑋
𝜎 𝑛
lim𝑛→∞𝑃𝑟 𝑌 ≤ 𝑥 = Φ(𝑥)
𝑔𝑑𝑧𝑖𝑒 Φ 𝑥 − 𝑑𝑦𝑠𝑡𝑟𝑦𝑏𝑢𝑎𝑛𝑡𝑎 𝑁(0,1)
-
Pr 𝑋𝑛 = 𝑘 =𝑛
𝑘𝑝𝑘(1 − 𝑝)𝑛−𝑘
F
lim𝑛→∞𝑃𝑟
𝑘1 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)≤𝑘 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)≤𝑘2 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)= Φ 𝑏 − Φ 𝑎
𝑎 =𝑘1 − 𝑛𝑝
𝑛𝑝(1 − 𝑝); 𝑏 =
𝑘2 − 𝑛𝑝
𝑛𝑝(1 − 𝑝)
-
𝐵𝑛 =
𝑘=1
𝑛
𝐷2𝑋𝑘 𝑜𝑟𝑎𝑧 𝐶𝑛 =
𝑘=1
𝑛
𝐸(𝑋𝑘 − 𝐸𝑋𝑘)3
lim𝑛→∞
3 𝐶𝑛
𝐵𝑛= 0 lim
𝑛→∞𝑃𝑟 𝑘=1𝑛 𝑋𝑘 − 𝑘=1
𝑛 𝐸𝑋𝑘
𝑘=1𝑛 𝐷2𝑋𝑘
< 𝑥 = Φ(𝑥)
Φ 𝑥 − 𝑑𝑦𝑠𝑡𝑟𝑦𝑏𝑢𝑎𝑛𝑡𝑎 𝑁(0,1)
-
4